房地产开发风险预测模型.docVIP

房地产开发风险预测模型 　来源: 智能中国网 作者：万友人工智能软件 网友评论 3 条 浏览次数 41 1．案例描述 房地产开发存在风险，其影响因素（输入）主要包括：1）通货膨胀风险：可分为升高、不变、降低。2）市场低供求风险，可分为供大求、平衡、供小求。3）周期风险，可分为第一阶段、第二阶段、第三阶段、第四阶段。4）利率风险，可分为提高、不变、降低。5）政策风险，可分为有利、无新政策、不利开发。6）区位风险，可分为升值、不变、降值。7）开发期风险，可分为较长、正常、缩短。开发风险（输出）可分为5类：无风险、风险较低、一般风险、风险较高、风险很高，为了能对开发风险进行有效地评估和预测，在此拟建立神经网络预测模型，实现对房地产开发风险的预测。 2．案例分析 根据案例描述，设计如下表所示的数据映射关系，并进而模拟产生一组专家样本数据，建立一个网络结构为7-5-1的神经网络模型，如下图： 结点名称 结点描述 转换 输入 通货膨胀风险 升高 0.8 不变 0.5 降低 0.2 市场低供求风险 供大于求 0.3 平衡 0.6 供小于求 0.8 周期风险 第一阶段 0.1 第二阶段 0.3 第三阶段 0.6 第四阶段 0.8 利率风险 提高 0.2 不变 0.5 降低 0.9 政策风险 有利 0.9 无新政策 0.8 不利开发 0.2 区位风险 升值 0.9 不变 0.6 降值 0.3 开发期风险 较长 0.2 正常 0.5 缩短 0.7 输出 开发风险 无风险 1 风险较低 0.8 ? ? 一般风险 0.5 风险较高 0.3 风险很高 0.1 基于上表，构建专家样本数据，并将输入和输出样本分别写入input_para.txt和output_para.txt文件（说明：本例的样本数据已进行了归一化处理，所以文件input_para.txt和output_para.txt中的数据实际是归一化后的样本数据），在MATLAB环境下，直接运行LmTrain.m文件，即可完成对专家样本数据的训练。 要实现开发风险预测，只需将影响房地产开发风险的实际参数值传入LmSimu.m文件，在MATLAB环境下运行即可得到预测结果。 3．代码实现 （1）网络训练 function retstr = LmTrain(ModelNo,NetPara,TrainPara,InputFun,OutputFun,DataDir) % 关闭警告提示 NNTWARN OFF?? % 初始化返回值??????? retstr=-1;??? %%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%% % 这部分代码主要是方便用户调试用 % ModelNo=1; % NetPara(1)=7; % NetPara(2)=1; % NetPara(3)=6; % NetPara(4)=10; % TrainPara(1)=25; % TrainPara(2)=1000; % TrainPara(3)=0.001; % TrainPara(4)=0.001; % TrainPara(5)=0.001; % TrainPara(6)=10; % TrainPara(7)=0.1; % TrainPara(8)=1e10; % DataDir=.; % InputFun = tansig; % OutputFun = purelin; %%%% 输入参数赋值结束 %%%%%%%%%%%%%%%%%%%%%%%% % 保留原工作目录????????????? olddir=pwd;? % 切换到数据所在工作目录???????????? cd(DataDir);?????????????? % 伪声明，以便打包生成COM组件时系统能加载相关函数 deltalin(1);??????????????? deltalog(1);?????????????? deltatan(1);?????????????? % 网络参数，包括输入层结点数，中间层结点数，输出层结点数，训练样本数据组数 InputDim=NetPara(1);?????? OutputDim=NetPara(2); MidDim=NetPara(3); data_num=NetPara(4); % 网络训练参数，包括显示间隔次数，最大循环次数，目标误差，学习速率 % 学习速率增加比率，学习速率减少比率，动量常数，最大误差比率 if (TrainPara == -1) ??? df = 25; ??? me = 1000; ??? eg = 0.001; ??? lr = 0.001; ??? lr_inc = 0.001; ??? lr_idec = 10; ??? mom_const =